AppQ：基于视图图的App热启动推荐
信息检索
2021-09-09 v1 机器学习
摘要
当前的App排名和推荐系统主要基于用户生成的信息，例如下载量和评分。然而，新App通常很少（甚至没有）用户反馈，面临典型的冷启动问题。如何快速识别并推荐高质量的新App是一个具有挑战性的问题。这里，一个基本要求是能够基于App的先天特征而非用户生成的特征来准确衡量其质量。由于用户通过与App的视图交互获得第一手体验，我们推测先天特征在很大程度上与App中各个视图的视觉质量以及视图之间切换的方式相关。在这项工作中，我们提出了AppQ，一种新颖的App质量评级和推荐系统，它基于App源代码提取App的先天特征。特别地，AppQ并行执行代码分析以提取App级特征，以及动态分析以捕获视图级布局层次结构和视图间的切换。然后，每个App被表示为一个属性视图图，该图被转换为向量并输入分类器以识别其质量等级。我们使用来自Google Play的App数据集进行的评估表明，AppQ取得了最佳性能，准确率达到85.0%。这显示了利用AppQ热启动App评级和推荐系统的巨大前景。
引用
@article{arxiv.2109.03798,
title = {AppQ: Warm-starting App Recommendation Based on View Graphs},
author = {Dan Su and Jiqiang Liu and Sencun Zhu and Xiaoyang Wang and Wei Wang and Xiangliang Zhang},
journal= {arXiv preprint arXiv:2109.03798},
year = {2021}
}
备注
13 pages, 11 figures